随着大数据、物联网、云计算、人工智能等新一代信息技术的不断发展,世界各国制造业的体系、发展模式和发展前景都有重大改变,智能制造正在取代传统制造,成为制造业的主导制造方式。由于智能制造是一种由智能机器和人类专家共同组成的人机一体化智能系统,在制造业整个价值链活动及产品全生命周期中,产生了海量、高维、多源、异构等制造数据。因此智能制造以标准化数据信息为基础,以智能系统为核心,是对传统制造方式的巨大挑战。而运行质量是智能制造系统的关键指标,主要由基础资源、组织结构、生产应用和效率效益等综合决定,面对智能制造新的要求,现有质量管理理论、工具和方法已难以有效解决智能制造所面临的质量问题。由此本文以数据驱动为研究视角,以中国智能制造企业为研究对象,针对企业中存在的灰信息数据、多源异构数据、高维信息数据和多参数监测数据等数据类型,对数据驱动下智能制造企业运行质量管理进行研究,分别从宏观上对企业综合运行质量进行静态和动态评价,从微观上对企业的生产运行质量进行预测和预警。论文的主要工作如下:（1）针对智能制造系统数据多源、异构、多模态等特点,进行智能制造企业数据质量管理。首先以数据流为主线,挑选出适合本研究的智能制造企业样本,挖掘出质量数据来源;再通过分析智能制造企业的社会责任数据、财务指标数据和生产过程数据,提取灰信息数据、多源异构数据、高维大数据和多参数监测等数据特征;最后介绍智能制造企业运行质量数据预处理方法,为智能制造数据管理提供管理策略、标准和工具支持。（2）针对智能制造系统中的灰信息数据和属性间的交互效应,建立灰信息覆盖交互关联度模型,并对中国15家智能制造企业的综合运行质量进行静态评价。首先定义信息覆盖灰数,利用差异信息量对不同信息覆盖进行信息融合;然后基于φs转换函数得到λ模糊测度,利用Choquet模糊积分和灰关联原理建立灰信息覆盖交互关联度模型;最后分析当属性间存在不同交互作用下,中国2019年15家智能制造企业综合运行质量排名的变化。研究表明,评价系统中指标间的交互作用对评价结果有显著影响,提高综合运行质量要注重发挥协同效应,强调企业在后续指标资源调配中,应结合实际境况充分考虑指标体系间的协同效应,对各指标资源投入进行合理配置,最终发挥1+1＞2的加乘效应。（3）针对智能制造系统中的多源异构数据和属性间的交互效应,考虑资本投入和研发积累在时间上的聚集效应,建立二元语义矩阵灰色交互关联度模型,并对中国15家智能制造企业的综合运行质量进行动态评价。首先将原始多源异构数据转化成二元语义形式,从而构建二元语义决策矩阵;然后将模糊测度和Choquet模糊积分引入到动态评价中,构建二元语义矩阵灰色交互关联度模型;最后分析中国2015-2019年15家智能制造企业综合运行质量的动态变化。研究表明,在考虑了资本投入和研发积累在时间上集聚效应的动态评价中,评价指标间的交互作用对企业动态评价比对静态评价影响要小,同时发现中国智能制造企业高质量发展水平从总体上看呈现上升态势。（4）针对智能制造系统中的高维信息数据和综合生产环境状态,建立智能制造企业生产运行质量预测的LASSO-NGRBM（1,1）模型。首先基于LASSO回归进行综合生产环境状态量化,构建生产环境与产品质量关系的Riccati-Bernoulli微分方程;然后利用差异信息原理,将该微分方程的转换为灰色LASSO-NGRBM（1,1）模型,推导模型的参数辨识和时间响应式,使用改进花粉算法优化模型的幂指数;最后将该模型应用于半导体智能制造企业生产运行质量预测中。研究表明,LASSO-NGRBM（1,1）模型具有足够的柔韧性和稳定性,其预测效果明显优于其他机器学习模型,使用该模型能平衡企业生产运行质量管理过程中产品抽样成本与质量预测精度之间的矛盾。（5）针对智能制造系统中的多参数监测数据和生产运行质量影响因素间的交互效应,建立智能制造企业生产运行质量预警的PCA-CFGM（1,N）模型。首先利用主成分分析（PCA）对多参数监测数据进行降维处理,揭示隐藏在复杂数据背后的简单结构;然后将Choquet模糊积分（CF）引入GM（1,N）模型之中,建立新的PCA-CFGM（1,N）模型,用来探究智能制造企业生产运行影响因素对生产产品质量的影响;最后对这种动态协调关系进行因子灵敏度分析,从而完成生产运行质量预警。研究表明,建立的质量预警系统能够准确运用于企业生产运行情况监测,且当企业的生产产品质量指数发生正向或者负向偏移时,企业应该关注某些因子指标,优先选择一些因子进行排除;当企业生产产品质量指数的变化是由不可控因子的变化引起时,企业可以通过调整其他可控因子,使企业的质量指数达到平衡,保证企业生产的正常运行。